Im KI-Zeitalter fliehen Spitzenwissenschaftler aus dem Angestelltenverhältnis.
Nach etwa 27 Jahren bei Google hat Jeff Dean beschlossen, das Unternehmen zu verlassen. Am 5. August Ortszeit kündigte einer der repräsentativsten Technikexperten von Google auf einer sozialen Plattform an, gemeinsam mit mehreren Google-KI-Forschern das KI-Unternehmen Discovery Loop zu gründen. Zuvor war Jeff Dean als Chefwissenschaftler von Google Research und Google DeepMind tätig, berichtete direkt an CEO Sundar Pichai, war an der Festlegung der Forschungsrichtung von Googles künstlicher Intelligenz beteiligt und war für wichtige strategische Technikprojekte verantwortlich.
Medienberichten zufolge ist der Abgang von Jeff Dean nicht auf einen einzigen Grund zurückzuführen, sondern ergibt sich aus dem Zusammenspiel persönlicher Ziele und der Unternehmensumgebung. Das Streben nach wissenschaftlicher Freiheit, um die "Großunternehmenskrankheit" zu überwinden; die Ermüdung durch den Druck der Produktlieferung und das Verlangen nach langfristiger Forschung; die Entwicklung auf bestehenden Richtungen sowie neue Richtungen mit größerem Potenzial ... diese Widersprüche machen das Problem konkreter. Wenn die Position in einem Großunternehmen die persönlichen Ziele eines Spitzenforschers nicht mehr vollständig erfüllen kann, sollte das Unternehmen sich bemühen, die Person zu halten oder die Beziehung zwischen beiden neu zu gestalten.
Der Abgang von Jeff Dean ist kein Einzelfall. Im Jahr 2025 kündigte Yann LeCun, Chef-KI-Wissenschaftler von Meta, an, das Unternehmen, bei dem er mehr als 10 Jahre tätig war, zu verlassen und das KI-Unternehmen AMI Labs zu gründen. Yann LeCun hat lange Zeit den Weg zur AGI in Zweifel gezogen, der auf der Erweiterung des Umfangs großer Sprachmodelle beruht, und er legt mehr Wert auf Weltmodelle, die die physische Welt verstehen. Wenn der Fall von Yann LeCun die Unterschiede zwischen technischer Route und Unternehmensprioritäten widerspiegelt, zeigt der Abgang von Jan Leike, ehemaliger Leiter des Superalignment-Teams von OpenAI, den Konflikt zwischen Forschungssicherheit, Produktgeschwindigkeit und Ressourcenverteilung.
Ähnliche Geschichten ereignen sich auch bei chinesischen Unternehmen. Nach seinem Abgang im März 2026 gründete Lin Junyang, technischer Leiter des großen Modells von Alibaba Qwen, das Unternehmen Yuyin Technology, dessen Forschungsinhalte sich von grundlegenden großen Modellen zu Weltmodellen und verkörperten Gehirnen wandeln. Nach seinem Abgang gründete Wang Yunhe, Leiter des großen Modells von Huawei Pangu und Direktor des Noah's Ark Lab, das Unternehmen Jiyun Lü Dong, und wechselte ebenfalls in den Bereich der KI-Agenten.
Diese Abgänge lassen sich kaum durch Gehaltsänderungen oder Positionswechsel erklären. Spitzenforscher haben möglicherweise ihren eigenen Polarstern, z. B. akademischen Einfluss zu erlangen, eine technische Route zu validieren, die noch nicht zum Mainstream geworden ist, oder Probleme zu lösen, von denen sie glauben, dass sie die Zukunft der Menschheit beeinflussen werden. Aber Unternehmen haben auch ihre eigenen Einschränkungen: Produkte müssen pünktlich auf den Markt kommen, riesige Investitionen müssen gerechtfertigt werden, und die Forschungsrichtung muss mit der Unternehmensstrategie in Verbindung stehen. Wenn die beiden Zielsetzungen nicht vollständig übereinstimmen, können Konflikte sich von der Leistungsbewertung auf technische Routen, Rechenleistungsverteilung, Organisationsmacht und sogar Forschungsethik erstrecken.
Das KI-Zeitalter verschärft diesen Konflikt. In der Vergangenheit waren stabile Finanzierung, ausreichende Rechenleistung, hervorragende Kollegen und eine Forschungsumgebung, die langfristige Erkundungen erlaubt, wichtige Bedingungen, mit denen Großunternehmen Forscher anzogen. Heute wird die technische Iteration immer schneller, und die Verbindung zwischen Forschungsergebnissen und Produktwettbewerb, Kapitalinvestitionen sowie Unternehmensstrategie wird enger. Gleichzeitig kann der Einfluss einiger weniger Schlüsselforscher auf die technische Richtung und die Fähigkeiten des Teams weit über den Umfang hinausgehen, der durch ihren Rang im Organigramm angezeigt wird.
Dies stellt Entscheidungsträger vor eine Reihe neuer Herausforderungen. Bei der Einstellung von Forschern sollten beide Seiten die Ziele und Grenzen des Unternehmens klarstellen; nach der Einstellung sollte das Unternehmen auf Systeme, Manager oder das Urteil von Fachkräften vertrauen; wenn herkömmliche KPIs die Spitzenforschung kaum messen können, wie sollte das Unternehmen Ressourcen zuweisen, Ergebnisse bewerten und Risiken kontrollieren; wenn die persönlichen Ziele der Forscher von der Unternehmensstrategie abweichen, sollte das Unternehmen dies korrigieren, tolerieren oder die Entstehung einer neuen organisatorischen Beziehung erlauben.
Mit diesen Fragen führte „Suchbright“ ein Gespräch mit Dr. Tom Zhang, einem erfahrenen Personalexperten aus dem Silicon Valley, der früher in den Personalabteilungen des Google-Hauptsitzes, des Tesla-Hauptsitzes und von Tencent tätig war. Seine Erfahrungen bei verschiedenen Technologieunternehmen unterschiedlicher Art ermöglichen es ihm, zu beobachten, wie Unternehmen mit hochqualifizierten Fachkräften umgehen, und zwar aus verschiedenen Phasen wie Einstellung, Personaleinsatz, Bewertung und Personalfluktuation.
Im Folgenden finden Sie die redigierte Fassung des Interviews zwischen „Suchbright“ und Dr. Tom Zhang.
Dr. Tom Zhang, erfahrener Personalexperte aus dem Silicon Valley, Bild zur Verfügung gestellt vom Befragten
01
Ähnlichkeiten und Unterschiede in der Personalmanagementphilosophie von Google, Tesla und Tencent
Suchbright: Sie haben in der Personalabteilung von Google, Tesla und Tencent gearbeitet. Nach Ihren Beobachtungen, was sind die grundlegenden Unterschiede in der Logik, mit der diese drei Unternehmen hochqualifizierte Fachkräfte wie Wissenschaftler verwalten?
Tom Zhang: Alle drei Unternehmen legen großen Wert auf Talente und haben strenge Auswahlkriterien, aber ihre Konzepte des Personalmanagements unterscheiden sich voneinander.
Google: Empowerment-Logik, die nach „intellektueller Freiheit“ und „psychologischer Sicherheit“ strebt
Kernlogik: Google richtet sich an die weltweit führenden Informatiker und Algorithmen-Ingenieure, und die Grundlage seiner Verwaltung lautet „Glaube daran, dass kluge Köpfe nicht übermäßig verwaltet werden müssen“.
Psychologische Sicherheit und datengesteuerte Entscheidungen: Google legt großen Wert auf das Organisationsklima. Manager neigen dazu, durch Daten und Logik zu überzeugen (z. B. das berühmte Project Oxygen von Google) und betonen, dass Manager „Ermöglicher“ und keine „Aufseher“ sind.
Flache und Konsenskultur: Wichtige technische Entscheidungen bei Google hängen von langfristigen akademischen Diskussionen, Peer Review und tiefem Konsens ab, und unterstreichen Bottom-up-Innovationen.
Tesla: Extrem-Logik, die nach „extremem First-Prinzip-Denken“ und „Missionsleidenschaft“ strebt
Kernlogik: Tesla befasst sich mit der harten physischen Welt, in der Hardware und Software eng integriert sind, und die Grundlage seiner Verwaltung lautet „vom Ende ausgehendes First-Prinzip-Denken und extremer Lieferdruck“.
Praktische Merkmale:
- Hoher Druck und flache Struktur laufen parallel
: Es gibt keine langwierigen Hierarchien, das Organigramm ist extrem flach. Bei technischen Engpässen dringen Führungskräfte wie Elon Musk oft direkt in die vorderste Entwicklungslinie ein, um mit Experten zu sprechen, und zwingen zu Durchbrüchen durch extremen Druck und extrem dichte Iterationszyklen.
- Ergebnisorientierung und physische Realität
: Man schaut nicht auf Dienstalter und Prozess, sondern nur darauf, wer Probleme in kürzester Zeit mit den direktesten physischen Gesetzen (First-Prinzip-Denken) lösen kann. Der Code muss im Fahrzeug laufen, das Produkt muss in Massenproduktion hergestellt werden.
- Bindung an die Mission
: Das Unternehmen zieht Talente an, die bereit sind, ihre Leidenschaft für „die Beschleunigung des Übergangs der Welt zu nachhaltiger Energie“ oder „interplanetare Einwanderung“ einzusetzen, und eliminiert Mittelmäßige, die sich nicht an das hohe Tempo anpassen können.
Als eines der führenden großen Internetunternehmen Chinas hat Tencent in jahrelanger technischer Entwicklung (von der frühen Massen-Koncurrent-Architektur bis zu heutigen großen KI-Modellen, Cloud-Native und Spitzentechnologie-Erkundung) ein sehr ausgereiftes und charakteristisches Verwaltungssystem für F&E-Talente gebildet.
Tencent hat schon sehr früh ein sehr klares zweigleisiges System etabliert, bei dem eine Fachlinie (T-Kanal) und eine Managementlinie (M-Kanal) parallel laufen. Mitarbeiter können entsprechend ihren eigenen Eigenschaften wählen, sich in Fachtechnik zu vertiefen (um ein harter Experte zu werden) oder in eine Managementposition zu wechseln.
Der technische Managementstil von Tencent hat eine ausgeprägte pragmatische Grundlage (z. B. die Betonung „am Nutzenwert ausrichten“, „Integrität und Fortschritt“). Bei Innovationen und F&E-Erkundungen verlangt das Unternehmen von Entwicklern nicht nur starke Fähigkeiten zur Geschäftslieferung (um schwierige Aufgaben bewältigen zu können), sondern hat auch intern einen inklusiven Mechanismus für technische Fehlversuche und die Bewältigung harten Probleme gebildet, um sicherzustellen, dass es im harten Wettbewerb der zweiten Hälfte des Internets und der KI das Tempo der technischen Iteration kontinuierlich beibehält.
Suchbright: Wenn man einen direkteren Vergleichsmaßstab anwendet, vertrauen diese drei Unternehmen mehr auf das System, mehr auf Entscheidungsträger oder mehr auf Fachkräfte?
Tom Zhang: Die Ziele von Tesla werden von Musk festgelegt, und ein professionelles Team, das fest daran glaubt und starke Durchführungsfähigkeiten hat, sucht nach Umsetzungswegen. Viele Innovationen bei Google stammen von der Bottom-up-Erkundung von Entwicklungsingenieuren, und die Funktion des Personalverwaltungssystems besteht darin, Raum für diese Erkundung zu bieten. Tencent ist wie viele große chinesische und amerikanische Unternehmen bei der Personaleinstellung relativ konservativ, und die meisten extern eingestellten Talente sind erfahrene, in der Praxis bewährte Spitzenkräfte der Branche.
Die Logik der Personaleinstellung ist nicht entweder-oder. Jedes Unternehmen braucht gleichzeitig Systeme, Manager und Fachkräfte, nur dass Entscheidungsgewalt und Vertrauen an unterschiedlichen Stellen platziert werden.
Suchbright: Sind Google und Tesla bei der Personaleinstellung mutiger und bereit, höhere Risiken zu übernehmen?
Tom Zhang: Insgesamt gesehen sind Unternehmen im Silicon Valley eher bereit, jungen Leuten Chancen zu geben, die noch nicht vollständig bewiesen sind. Ich nenne diese Praxis „starke Investition in junge Menschen“. Im Silicon Valley gibt es einen Spruch „Experience is overrated“, was bedeutet, dass Erfahrung oft überschätzt wird. Junge Leute fehlen zwar vorhandene Erfahrung, sind aber weniger durch Pfadabhängigkeiten eingeschränkt und können neuere Methoden vorschlagen.
Viele chinesische und amerikanische Unternehmen setzen junge Leute nicht nicht ein, aber sie erwarten normalerweise, dass Kandidaten sich bereits in bekannten Institutionen bewährt haben. Der Unterschied liegt hauptsächlich in der Phase der Talentauswahl: Die eine Seite ist eher bereit, im Voraus auf Potenzial zu setzen, die andere erwartet eine externe Bestätigung.
Aber Mut bei der Personaleinstellung bedeutet nicht, langfristig niedrige Leistung zu tolerieren. Die Validierungszyklen sind bei verschiedenen Unternehmen unterschiedlich. Tesla kann relativ schnell prüfen, ob eine Person geeignet ist, während Google für einige Spitzenforschungen einen längeren Zeitraum gewähren kann.
Suchbright: Chinesische Unternehmen wollen oft „Götter“ einstellen, die bereits einen guten Ruf haben. Auch wenn diese Personen sehr starke Fachkenntnisse haben, passen sie möglicherweise nicht wirklich zur Organisation. Wo liegt das Problem?
Tom Zhang: Starke persönliche Fähigkeiten bedeuten nicht, dass eine Person unbedingt mit dem Team zusammenarbeiten kann, noch dass ihre Fähigkeiten in der aktuellen Organisation umgesetzt werden können. Dies betrifft auch die Unterschiede in der Organisationsstruktur zwischen chinesischen und amerikanischen Unternehmen. Die Struktur großer chinesischer Unternehmen ist normalerweise auf Abteilungen und Positionen zentriert: Ein vollständiges Organigramm des Unternehmens kann keine Namen von Personen enthalten, sondern nur Namen von Abteilungen. Sein Vorteil ist die stabile Struktur, die Organisationsfähigkeit ist von der individuellen Fähigkeit getrennt, und wenn eine Person das Unternehmen verlässt, kann eine andere Person sie ersetzen.
Die Organisationsstruktur amerikanischer Unternehmen dreht sich mehr um konkrete Personen und ist personenzentriert. Auf dem Organigramm des Unternehmens stehen viele Namen von Personen, nur wenige Namen von Abteilungen. Wie groß der Verantwortungsbereich einer Person ist, hängt von ihren Fähigkeiten und ihrem tatsächlichen Einfluss ab. Diese Weise anerkennt die Unterschiede zwischen Menschen direkter, aber der Nachteil ist, dass die Organisation möglicherweise stärker von Schlüsselpersonen abhängig ist.
Nach dem Aufkommen der KI komprimieren beide Organisationsmodelle in China und die USA einen Teil der mittleren Ebene, die hauptsächlich für die Informationsübertragung zuständig ist. Führungskräfte können mit Hilfe digitaler Tools direkt mehr Mitarbeiter erreichen, und die Organisation kann weiter flacher werden. In Zukunft wird der tatsächliche Einfluss von hochqualifizierten Fachkräften in der Organisation möglicherweise wichtiger sein als ihre Positionsbezeichnung.
Suchbright: Welcher Verwaltungsstil ist innovativer?
Tom Zhang: Es ist schwierig, unabhängig von konkreten Aufgaben zu beurteilen, welcher Stil unbedingt besser ist. Aber nach den Gesamtergebnissen scheint der Verwaltungsstil amerikanischer Unternehmen eher spitzenorientierte, explorative Innovationen zu erzeugen. Google legt Wert auf freie Erkundung, und Tesla erreicht schwierige Ziele durch Mission und starke Durchführungsfähigkeit.
Die Vorsicht chinesischer Unternehmen hat auch ihre eigenen Vorteile. Unternehmen wie Tencent können Produkte sehr solide machen und das Nutzererlebnis sehr fein ausarbeiten. Verschiedene Organisationen sind gut darin, verschiedene Probleme zu lösen: Einige erzeugen eher Spitzendurchbrüche, andere sind besser in der Produktumsetzung und kontinuierlichen Durchführung.
Suchbright: Welchen Preis muss man für Spitzeninnovationen zahlen?
Tom Zhang: Der direkteste Preis ist das Geldverbrennen. Google hat viele hervorragende Forscher eingestellt und hohe Gehälter gezahlt, aber viele von ihnen erzeugen möglicherweise über einen langen Zeitraum keinen offensichtlichen kurzfristigen Nutzen. Google beschäftigt Tausende von Forschern, und nur wenige von ihnen haben am Ende das Transformer-Papier verfasst. Natürlich kann man deswegen nicht behaupten, dass die Forschung der anderen keinen Sinn hat.
Denn Unternehmen können nicht im Voraus wissen, von welcher Person, welchem Team oder welcher Richtung Innovationen und Durchbrüche kommen werden. Um wenige große Innovationen zu erzielen, muss man die Kosten tragen, dass viele Forschungen vorübergehend keine Erträge bringen.
Demis Hassabis, CEO von DeepMind, hat bei der Rückschau auf die Geschichte der Entscheidung von DeepMind, 2014 von Google übernommen zu werden, wiederholt offen über die entscheidende Rolle von Kapital und Rechenressourcen (Compute and Resources) für die Umsetzung der künstlichen Allgemeinintelligenz (AGI)